پیش بینی تاخیر در پروازها در فرودگاه بین المللی امام خمینی: یک رویکرد مبتنی بر XGBoost

تاخیر در پروازها یکی از چالش های اساسی در صنعت هوانوردی است که منجر به نارضایتی مسافران، خسارات مالی برای شرکت های هواپیمایی و اختلال در عملیات فرودگاهی می شود. اگرچه مطالعات بسیاری به بررسی عوامل موثر بر تاخیر پرداخته اند، اما همچنان نیاز به تحقیقات بیشتری در این زمینه، به ویژه در خصوص استفاده از الگوریتم های پیشرفته یادگیری ماشین و بررسی تاثیر عوامل مختلف بر تاخیرها در فرودگاه های خاص وجود دارد. در این پژوهش، با استفاده از الگوریتم یادگیری درختی XGBoost و زبان برنامه نویسی R، تاثیر شرایط آب و هوایی و عوامل مرتبط با پرواز بر تاخیر پروازها در فرودگاه امام خمینی مورد بررسی قرار گرفته است. هدف این پژوهش، توسعه یک مدل پیش بینی دقیق برای تاخیر پروازها و شناسایی عوامل کلیدی موثر بر آن ها است. با تحلیل داده های تاریخی پروازها و اطلاعات هواشناسی، مدل پیش بینی توسعه داده شده قادر به شناسایی عوامل کلیدی موثر بر تاخیرها بوده و به دقت ۹۹.۶۳ درصد در تشخیص تاخیر دست یافته است. نتایج این پژوهش نشان می دهد که عواملی همچون سرعت باد، بارش، دید، نوع هواپیما، زمان حرکت و مسیر پرواز، تاثیر قابل توجهی بر وقوع و مدت زمان تاخیرها دارند. این یافته ها می توانند به تصمیم گیری آگاهانه تر در مدیریت فرودگاه، برنامه ریزی پروازها و کاهش تاخیرها کمک کنند و در نهایت منجر به بهبود کارایی عملیاتی و افزایش رضایت مسافران شوند.

کلیدواژه ها:

تاخیر پرواز ، الگوریتم ، XGBoost شرایط آب و هوایی ، فرودگاه امام خمینی ، مدل پیش بینی